- 综合排序
- 最热优先
- 最新优先
- 来自专栏Soul Joy Hub
【大模型AIGC系列课程 3-2】国产开源大模型：ChatGLM
GLM https://arxiv.org/pdf/2103.10360.pdf GLM是General Language Model的缩写，是一种通用的语言模型预训练框架。 这个图示说明了GLM预训练的过程，具体解释如下： a) 原始文本：给定一个原始文本，例如[x1, x2, x3, x4, x5, x6]。 在这个例子中，我们随机选择了两个连续的词片段[x3]和[x5, x6]作为样本。 b) 替换和洗牌：在Part A中，我们将被选择的词片段替换为[M]（表示遮盖）。 在这个例子中，我们将[x3]和[x5, x6]洗牌为[x5, x6]和[x3]。 c) 自回归生成：GLM使用自回归的方式生成Part B。 在生成过程中，模型可以根据之前生成的词片段和Part A中的上下文来预测下一个词片段。 d) 自注意力掩码：为了限制模型的注意力范围，
88620编辑于 2023-08-28 - 来自专栏AI科技评论
别再说国产大模型技术突破要靠 Llama 3 开源了
Meta还透露，Llama 3的 400B+ 模型仍在训练中。 Meta 顺利地保住了它在开源大模型领域的王座。 开源本身是一件致力于打破技术垄断、有利于促进整个行业不断进步、带来创新的事情，但每次Meta一开源，从Llama 到 Llama 3，国产大模型都要经历一次来自国人的嘲讽和贬低。 但其实，经过一年的辛苦磨练和积累，如 Llama 这样的国外大模型一直很强的同时，国产大模型也可以后来者居上，变得很强，甚至在 Llama 3 发布之前，国产大模型就已经进化到 Llama 3 的效果， 根据 SuperBench 标准测试结果可以发现，国产大模型早已有能强过 Llama 3 的大模型，国产大模型 GLM-4 和文心一言早就达到了 Llama 3 的实力，属于全球大模型竞争第一梯队。 同样，经过过去一年的奋力追赶和学习，如GLM-4、文心一言这样的国产大模型打败了最强开源模型Llama 3，跻身全球竞争第一梯队，为只会跟随、模仿的国产技术正名。
87510编辑于 2024-05-06 - 来自专栏开源项目搭建
简单3步部署本地国产大模型DeepSeek大模型
简单3步部署本地国产大模型DeepSeek大模型DeepSeek是最近非常火的开源大模型，国产大模型 DeepSeek 凭借其优异的性能和对硬件资源的友好性，受到了众多开发者的关注。 本文将介绍如何通过简单 3 步在本地部署 DeepSeek 大模型，让你能够轻松体验这一强大的 AI 工具。 deepseek-r1的哪个版本的大模型？ 什么是OllamaOllama是一个开源项目，旨在让用户能够轻松地在其本地计算机上运行大型语言模型（LLM），是一个开源的大型语言模型服务。 它支持各种LLM，包括Llama 3、Mistral和Gemma。提供了类似OpenAI的API接口和聊天界面,可以非常方便地部署最新版本的GPT模型并通过接口使用。
6.8K33编辑于 2025-02-06 - 来自专栏大龄程序员的人工智能之路
在国产系统上部署开源大模型
Ollama 大模型框架 Ollama 是一个新兴的大模型框架，旨在为机器学习和人工智能研究提供高效、灵活和可扩展的解决方案。 启动一个大模型非常简单，比如我想运行 gemma2 27b 参数的大模型： (base) alex@alex-deepin-os:~$ ollama run gemma2:27b pulling manifest 我使用的是 Google 的 Gemma2 9b 大模型，速度还挺快。 如果你想尝试其它的大模型，可以去 ollama 的模型仓库看看。 https://ollama.com/library 里面收录了很多大模型，比如 llama3、qwen2、deepseek-coder-v2 等。 小结 写到这里，是不是感觉到在 Deepin 系统上部署大模型太简单了？
95010编辑于 2024-07-18 国产大模型选型指南：避开这3个坑
国产大模型选型指南：避开这3个坑 这篇文章写给正在做AI应用落地、面临国产大模型选型困惑的你。我见过太多团队，花了几周时间测试各种模型，最后发现成本超预算、效果不匹配，甚至被API计费坑了。 今天，我们直接切入核心问题：如何高效选对模型，避免走弯路。 为什么国产大模型选型比想象的难？ 我记得几年前，大家提到大模型就是GPT-4。 但现在，国产大模型生态已经爆发了——通义千问API、文心一言API、豆包大模型API、讯飞星火API，还有DeepSeek-V3、Qwen-Max等，每个模型都有自己的强项和短板。 我遇到过一个客户，他们在智能写作API场景下，用了某国产大模型，月消耗超过10万token，但后来切换到DeepSeek-V3，成本降了一半。 还有个小技巧：利用模型网关来缓存重复查询。 总结：选国产大模型的三个原则 1. 按场景匹配，别跟风。通义千问API适合中文长文本，DeepSeek-V3适合代码，豆包大模型适合多模态。2. 先测试再付费。
11700编辑于 2026-07-04- 来自专栏机器之心
Llama2开源后，国产大模型在卷什么？
这意味着，作为开源大模型的代表，Llama2 第一次进入了大范围的商业考量决策之中，开发者们拥有了一个免费、开源且足够商用的大模型底座。 开源与闭源大模型的比赛从此刻开始正式打响。面对开源大模型更低的成本、更快的迭代速度、更高的定制化上限，闭源大模型的壁垒会由什么构建，成为一个问题。 在 Llama2 推出之前，开源社区最强的大模型 Llama 在商用许可上具有限制，而 OpenAI 的接口在国内面临着不确定的监管风险，因此相比于两者，国产大模型在市场竞争中的优势通常是「可商用」、「 Llama2 的释出削弱了国产大模型创业公司在市场上的竞争力。「从许多公开的测试集上，我们可以看到，国内大部分的大模型公司的水平距离 GPT-3.5 仍然有距离」，一位 AI 方向资深投资人称。 全球来看 GPT 的市场份额应当是最大的，而国内目前 Llama2 能够受影响的市场仅仅只是担心 GPT 受监管影响、且国产大模型都不适用的这部分客户，是一个「暂存市场」。
76560编辑于 2023-09-08 GLM-5.2 开源，国产大模型这几年走了多远？
近期，智谱开源GLM-5.2的消息已经刷屏了！ 说起来有点意思。前几年提到AI编程的第一梯队，大家默认就是Claude和OpenAI，偶尔加上谷歌的Gemini。 国产模型更多出现在国产替代的讨论里，而不是全球顶尖的榜单上。但GLM-5.2这次的表现，让这个格局出现了松动。 在Claude Fable 5之下，GLM-5.2拿下了开源界AI编程第一名，全球第二。 有个实测：让GLM-5.2处理一个88万token的Appsmith开源项目，覆盖Web前端、后端、插件、部署和权限模块。他全程在旁边观察，没有干预。 这个19分的跃升不是线性的，而是代表模型处理终端任务的能力从能跑变成了能打! 结语 写这篇文章的时候，我一直在想一个问题：国产大模型这几年走了多远？ 早期的国产大模型，更多是在跟随和追赶。 开源、长上下文、面向真实工程任务的Coding Agent底座——这条路线的价值，不只在于国产模型也能写代码，更在于它给开发者和企业提供了一个闭源体系之外的选择。
60200编辑于 2026-06-24- 来自专栏量子位
国产大模型已无公司可投
再看开源领域，以LLaMA-2为代表，整体实力也在迅速增强。 纵向对比，相继奔赴大模型创业的公司太多了。据不完全统计，包含通用与垂直、开源与闭源不同类型在内，国产大模型数量已超百家。 如上文所言，资本集中押注，狩猎目标集中在3-5个选手身上，通往成功的机会被极限压缩。 马太效应的加剧，让有望突围的创业公司数量更进一步缩小，但纵观市场上叫得上名字的公司，要价都扶摇直上。 仍持观望态度 投资人们举着棋子不敢轻易尝试，还没买到入场券的，有的在观望，会不会在开源领域出现比LlaMA-2更厉害的模型，让大家都没得玩？ 还有的在等应用层的机会。 8个月前，ChatGPT一石激起千层浪；6个月前，国内的大模型赛道开始备受瞩目，热度逐渐如日中天。 到现在，想走大模型路线通向AGI的人依旧络绎不绝。 大火热炒半年，大模型身下燃烧的大火开始转向小火模式，在年初“宣布入局”和年底“模型/产品问世”之间的这段空隙，种种迹象表明，大模型创投界渐渐迎来了第一波冷静期。
44710编辑于 2023-09-08 - 来自专栏新智元
国产模型开源封神，谷歌Genie3紧急开源？蚂蚁AGI撕开世界模型闭源防线
新智元报道 编辑：Aeneas 【新智元导读】世界模型迎来高光时刻：谷歌还在闭源，中国团队已经把SOTA级世界模型全面开源了，LingBot-World正面硬刚Genie 3，彻底打破了全球垄断 蚂蚁灵波科技发布的LingBot-World，刚刚成为开源SOTA级的世界模型。 可以说，它已经全面对标了谷歌Genie 3，甚至在一些性能指标上超越了Genie 3！ 因此如果学术界和初创公司想训练一个高质量世界模型，门槛是极高的。 Genie 3仍处于闭源状态 但蚂蚁灵波的这次开源，直接就让大家拥有了SOTA级的物理仿真底座，根本无需从零造轮子。 而团队创新背后的三大支柱，就是具备层级语义的可扩展数据引擎、多阶段的进化训练流程，以及具身人工智能的多功能应用。 蚂蚁灵波为何同时布局VLA和世界模型 巧的是，就在前两天，蚂蚁灵波刚刚发布了空间感知和VLA基座模型。全新开源的LingBot-VLA，刷新了具身智能开源SOTA。
34110编辑于 2026-02-03 - 来自专栏算法一只狗
国产大模型如何追上OpenAI
目前看，算力其实不是一个比较大的瓶颈，数据的有效性才是大模型能力提升的关键。比如最近的deepseek V3一发布，大家就发现其实能够用很低的成本就能够训练出一个媲美GPT-4o的模型。 用训练一个模型所花费的钱来说，训练一个DeepSeek V3只需要花费557.6万美元，相比之下，一个简单的7B Llama 3模型则需要花费76万美元。 目前看，算力其实不是一个比较大的瓶颈，数据的有效性才是大模型能力提升的关键。比如最近的deepseek V3一发布，大家就发现其实能够用很低的成本就能够训练出一个媲美GPT-4o的模型。 用训练一个模型所花费的钱来说，训练一个DeepSeek V3只需要花费557.6万美元，相比之下，一个简单的7B Llama 3模型则需要花费76万美元。 比起动辄几百亿人民币都训练不出来一个好用的大模型，DeepSeek V3的训练简直颠覆了大家的想象。
43420编辑于 2025-01-06 - 来自专栏数据小冰
Claude Code接入国产大模型
前言 本文介绍在macOS环境中搭建Claude Code接入国产大模型的详细步骤。 配置MiniMax国产大模型 访问MINIMAX官网，注册并登录账号，申请API key。 登录Claude Code 配置上述连接地址后，在终端执行 claude login，即可成功连接上大模型。 通过 claude -p 指令进行问答快速验证效果，参数-p表示不要进入交互式会话。 让它简要介绍下大模型，测试效果如下。
2.9K10编辑于 2026-03-04 - 来自专栏学习
开源大模型与闭源大模型
一、开源大模型 开源大模型是指开发者将模型的代码和训练数据公开，使得任何人都可以访问、修改和使用这些资源。 3.教育和学习资源： 开源模型为学生和研究人员提供了宝贵的学习资源。他们可以通过实践来理解模型的内部工作原理，进行实验和探索，从而推动教育和研究的发展。 二、闭源大模型 闭源大模型是指模型的代码和数据不对外公开，通常由商业公司开发和维护。代表性的闭源大模型包括OpenAI的GPT-3和Google的BERT。 三、开源大模型与闭源大模型的对比 1.透明性与可控性： 开源大模型的透明性更高，任何人都可以查看和验证其代码和数据，确保模型的行为符合预期。这对于学术研究和技术验证非常重要。 3.资源共享与独占优势： 开源大模型在资源共享方面表现突出，任何人都可以利用这些开源资源进行学习和研究，促进技术的普及和应用。
2K10编辑于 2024-10-09 - 来自专栏睡前机器学习
开源大模型到底开源什么？
但大语言模型的“开源”完全不是这么一回事。先别管OpenAI现在名叫钮钴禄氏·CloseAI，就算哪天良心发现，真的要找回自己做一个名副其实的OpenAI，洗心革面把GPT-4给开源了。 那么，现在很多研究者在呼吁的开源，到底是要开源什么呢？开源模型，具体来说，是开源训练好的模型参数。模型参数拿到手，基本上就能完整复现能力了。 前面说过，模型这玩意距离能力复现就一步之遥，有很多人爱开源模型，也有很多人不爱开源模型，原因和上面差不多，还有一种是大公司大机构才敢用，官方辞令很多，譬如“出于社会责任考虑”，或者“安全伦理存在巨大风险 这里为咱们的中文开源大语言模型打个Call吧，能讲中文还开源的大语言模型真的不多，清华放出来的ChatGLM-6B应该是佼佼者，而是真·单卡就能运行。这里说的是消费级显卡。 最后就是开源数据集了，这项工作很重要，但也很容易被圈外忽视。现在中文大语言模型缺的东西很多，抱怨的也很多，还有一票人天天平替这个平替那个，实在不知道怎么想。
1.7K20编辑于 2023-09-09 - 来自专栏AI
最强开源大模型Llama 3发布！
最强开源大模型Llama 3发布！我们看下重点： 今天，我们介绍Meta Llama 3，这是我们最先进的开源大型语言模型的下一代。 我们相信这些是同类中最优秀的开源模型。为了支持我们长期以来的开放式方法，我们将Llama 3交到了社区的手中。 我们对Llama 3的目标 通过Llama 3，我们致力于构建与当今最优秀的专有模型相媲美的最佳开源模型。 我们希望解决开发者的反馈，提高Llama 3的整体实用性，同时继续在负责任使用和部署LLM方面发挥领导作用。我们秉持着开源精神，提前释放模型，让社区在其开发过程中获得访问权。 我们的训练数据集比Llama 2使用的大七倍，其中包含四倍的代码。为了准备即将到来的多语言用例，超过5%的Llama 3预训练数据集包含覆盖30多种语言的高质量非英语数据。
1.3K10编辑于 2024-04-25 - 来自专栏AI科技评论
通义千问登顶 Hugging Face 榜首，国产开源大模型赶超 Llama2
国产开源大模型，有戏！ 这是一个激动人心的时刻，从Llama2开源可商用，迄今5个月，国产大模型开源终于有一个能追上Llama2，大模型开源领域终于不再是Llama2独领风骚的时代，国产大模型开源也由此进入新时代。 国产开源大模型势头正猛。 由于各大模型厂商选择了“小参数用来开源，大参数拿来商业化”的策略，导致国内大模型开源一直停留在14B，所以国产开源大模型看似越来越卷，实则中国大模型市场还没有出现足以对标Llama-2-70B的优质开源模型 不仅如此，国外一些网友也对Qwen-72B等国产大模型表达了惊叹： 3 后记 通义千问还开源了18亿参数模型Qwen-1.8B和音频大模型Qwen-Audio，至此，通义千问共开源了18亿、70亿、140
2.7K10编辑于 2023-12-12 - 来自专栏机器学习入门
【AI大模型】LLM主流开源大模型介绍
学习目标 了解LLM主流开源大模型. 掌握ChatGLM、LLaMA、Bloom等基础大模型的原理 LLM主流大模型类别 随着ChatGPT迅速火爆，引发了大模型的时代变革，国内外各大公司也快速跟进生成式AI市场，近百款大模型发布及应用 目前，市面上已经开源了各种类型的大语言模型，本章节我们主要介绍其中的三大类： ChatGLM-6B：衍生的大模型（wenda、ChatSQL等） LLaMA：衍生的大模型（Alpaca、Vicuna 、BELLE、Phoenix、Chimera等） Bloom：衍生的大模型（Bloomz、BELLE、Phoenix等） ChatGLM-6B模型 ChatGLM-6B 是清华大学提出的一个开源 小结 本小节主要介绍了LLM主流的开源大模型，对不同模型架构、训练目标、优缺点进行了分析和总结。
1.4K10编辑于 2024-09-24 - 来自专栏技术人生黄勇
国产开源大模型 GLM-5.2 发布，能力又有突破还能免费用
周末，卡着国内外都没有大模型发布，已经发布又被禁止使用的空隙，智谱AI正式发布了GLM-5.2大模型。 想想3年前刚开始学习人工智能还是从GLM2开始：ChatGLM2-6B 初体验。 那个时候GLM是国产之光，没有之一。 感慨当年好多模型不见了，不仅仅文章里提到的复旦的Moss，百川大模型也放弃了通用基座大模型的研发，转向医疗专用（估计将来也会被通用大模型+数据工程吞噬）。 在代码能力方面，GLM-5.2在私有评测CodeV3中综合排名全球第三，这是国产模型首次在代码能力上与国际顶尖模型拉开代差。 你现在主力用哪个国产模型呢？欢迎评论区留言。
43400编辑于 2026-06-23 - 来自专栏睡前机器学习
国产大模型井喷的原因及收场
这俩月我一直在想俩问题，一个是为什么这俩月突然多了这么多国产LLM，另一个是这么多国产LLM有什么区别。 这俩问题想的不少，说得好的不多，姑且说说。 一些以前分明不是搞AI的企业，居然这波也说要推自己的大模型。 事实啪啪打脸。这脸打得怎么说呢？痛快。 当然了，大家第一个问题就是，为什么LLM的门槛忽然就降低了呢？ 还没有最终定论，不过，我想主要是两个原因：开源模型和开源数据。 LLM的门槛主要是就是人工智能的三要素：算法、算力和数据。 算法本身算不上门槛。 对于宣布搞自家LLM的大企业来说，最不差的恐怕就是钱了。何况现在还有一堆LLM的预训练模型排着队的开源呢。 最后是数据。数据很容易被人忽略，但我从一开始就认为，数据才是真正的隐性门槛。 不过，OpenAI解决了鸡的问题，ChatGPT标注性能甚至超过了人类，再加上开源社区孜孜不倦地用爱发电，所以，问题现在依旧是问题，但已经没那么是问题。 最后说说国产LLM的区别，其实这才是关键。
47120编辑于 2023-09-09 国产大模型选型，别再盲目跟风了
国产大模型选型，别再盲目跟风了 最近半年，我经常被同行问到同一个问题：国产大模型到底怎么选？ 后来我花了整整两周时间，把市面上的主流国产大模型API全测了一遍，才明白选型这事，真不能光看名气。 国产大模型API到底有哪些坑？ 你可能会想，国产大模型API不就是调个接口吗，能有多复杂？错！ 比如DeepSeek-V3，价格适中，但推理精度在国产模型里排前三，尤其适合做RAG服务。 具体操作步骤是这样的：第一步，列出你的应用场景——是对话、写作还是客服？ 国产大模型vs国外大模型，谁更香？ 你可能还在纠结要不要用GPT-4o API或Claude API。我的看法是，看场景。 如果做英文内容生成，国外大模型确实强；但做中文智能客服API，国产大模型完胜。比如我测过，通义千问API对中文长文本的理解准确率比GPT-4o高15%，价格还便宜一半。
8010编辑于 2026-07-05- 来自专栏腾讯开源的专栏
腾讯混元宣布大语言模型和3D模型正式开源！
腾讯混元大模型正在加快开源步伐 11月5日，腾讯混元宣布最新的MoE模型“混元Large“以及混元3D生成大模型“ Hunyuan3D-1.0”正式开源，支持企业及开发者精调、部署等不同场景的使用需求 本次开源是腾讯混元继文生图模型后持续开放的一大举措。 其中，腾讯混元Large是目前开源领域参数规模最大、效果最好的MoE模型，而腾讯混元3D生成大模型则是业界首个同时支持文字、图像生成3D的开源大模型。 业界首个同时支持文字、图像生成3D的开源大模型 腾讯混元3D生成大模型首批开源模型包含轻量版和标准版，轻量版仅需10s即可生成高质量3D资产，目前已在技术社区公开发布，包含模型权重、推理代码、模型算法等完整模型 随着自研大模型技术强大的和应用实践经验的丰富，开源已经成为腾讯混元大模型的一个战略选择，未来，腾讯混元也将继续带来更多模态、更多尺寸的开源模型，将更多经过腾讯业务场景打磨和检验的模型开源，促进大模型技术进步和行业生态繁荣
2K20编辑于 2025-02-05
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号